2.1 计算服务与弹性伸缩

2.1 计算服务与弹性伸缩

本节摘要：计算服务是 IaaS 的核心，腾讯云的计算产品矩阵覆盖从通用到专用的各种场景。CVM（云服务器）是主力虚拟机，适合绝大多数通用计算；黑石裸金属给需要直接用物理硬件（无虚拟化损耗、特殊合规要求）的场景；GPU 云服务器给 AI 训练和推理、图形渲染等算力密集任务；弹性伸缩让实例根据负载自动增减，是应对流量波动的关键。本节讲这些产品的定位差异、实例类型怎么选、以及弹性伸缩的配置策略。

学习目标

阅读完本节，你应当能够：

1. 区分 CVM、黑石裸金属、GPU 云服务器的定位和适用场景
2. 根据应用的 CPU/内存/IO 特征选对实例类型
3. 说清弹性伸缩的工作原理和配置要点
4. 理解抢占式实例适合什么、不适合什么
5. 规划一个应对流量波动的弹性计算架构

问题与直觉

部署一个服务，第一步是"在哪跑"。最直觉的选择是开一台 CVM——它就是一台虚拟机，和你熟悉的物理服务器用法一样，装系统、装软件、跑服务。所以 CVM 是绝大多数场景的默认起点。

但 CVM 不是万能的。有些场景它不够用：训大模型要 GPU，CVM 的 CPU 版本跑不动；金融业务要求物理隔离，虚拟机的多租户不满足合规；图形渲染要专业显卡。这些就要用专门的计算产品——GPU 实例、裸金属、带专业显卡的实例。

更进一层的问题：流量会波动。白天高峰要 20 台机器，半夜低谷 2 台就够。如果一直开 20 台，低谷时浪费钱；如果手动开关，运维累还容易出错。弹性伸缩就是解决这个——让机器数自动跟着负载走。这是云相对自建机房的核心优势之一（自建机房的硬件买了就不能退，云的实例按秒计费、随开随关）。

核心原理

2.1 计算产品矩阵

腾讯云的计算类产品主要这几个：

CVM（Cloud Virtual Machine，云服务器）：腾讯云的通用虚拟机，绝大多数场景的首选。它提供各种规格（CPU 核数、内存大小、网络性能不同），按需选择。CVM 的核心卖点是弹性——按秒计费、随时创建销毁、镜像快速复制。你熟悉的一切服务器操作（装系统、配环境、跑服务）都能在 CVM 上做。

黑石裸金属：物理服务器，没有虚拟化层。适合两类场景：一是对性能极致敏感（虚拟化有微小开销，某些高性能计算不接受），二是有合规要求（金融、政务要求物理隔离，不能和别人共用物理机）。代价是弹性差——物理机的创建销毁比虚拟机慢，且不能像 CVM 那样灵活规格调整。多数业务用不到裸金属。

GPU 云服务器：带 GPU 的实例，用于 AI 训练/推理、图形渲染、视频转码等算力密集任务。按 GPU 型号分（如搭载不同代际的 NVIDIA GPU）。GPU 实例贵（每小时费用是普通 CVM 的几十倍），用时才开、用完就关是基本策略。

弹性伸缩（Auto Scaling, AS）：严格说它不是一种实例，而是管理 CVM 数量的服务。它根据规则（CPU 利用率超阈值、定时、负载）自动增减 CVM 实例数量。

2.2 CVM 实例类型怎么选

CVM 有几十种实例规格，按资源配比分成几个系列：

选型的核心是"匹配应用的资源消耗特征"。一个 Web API 主要是 CPU 计算，用标准型或计算型；一个 MySQL 数据库吃内存（缓存数据），用内存型；一个 Hadoop 节点要大本地盘存数据，用大数据型。选错系列（比如把数据库放在计算型上）会导致资源浪费或性能瓶颈。

💡 关键直觉：实例类型选对，比单纯加配置重要。我见过团队抱怨"数据库慢"，加内存加 CPU 都没用——因为他们把数据库放在了计算型实例（CPU 多内存少），数据库的瓶颈是内存不够缓存数据。换到内存型实例，同样的总价性能直接翻倍。先认清应用的资源画像，再选匹配的系列。

2.3 弹性伸缩的工作原理

弹性伸缩让 CVM 数量自动跟随负载。它有三个核心概念：

伸缩组：一组配置相同的 CVM 实例，它们的规格、镜像、网络配置都一样，只是数量会变。

伸缩规则：触发增减的条件。常见的是告警触发（CPU 利用率超 70% 持续 5 分钟就加一台）、定时触发（每天早上 8 点扩到 20 台）、健康检查（某台实例不健康就替换）。

启动配置/模板：新实例怎么创建——用什么镜像、什么规格、初始化脚本。新扩出来的实例按这个模板创建，保证和现有实例一致。

弹性伸缩的关键挑战是"新实例要能快速就绪"。如果创建实例后要手动装一堆软件，扩容就太慢了（流量来了等你装完软件黄花菜都凉了）。所以弹性伸缩要求实例能"即开即用"——通常配合镜像（预先装好软件打包成镜像）和启动脚本（创建时自动执行初始化）。

工程实践要点

3.1 抢占式实例省钱用

除了按需实例（随时用随时计费），还有一种抢占式实例（spot instance）：用闲置的物理机资源，价格便宜很多（可能是按需的 1–5 折），但可能被随时回收（资源紧张时厂商会抢回）。适合对中断不敏感的批处理任务——大数据 ETL、模型训练的容错版本、视频转码队列。不适合在线服务（被回收就服务中断）。

抢占式实例的核心使用策略是"任务要能中断和恢复"。把大任务切成小块，每块跑完存 checkpoint，被回收后从 checkpoint 继续。这样即使实例被抢，损失也只是当前小块。

3.2 弹性伸缩的配置陷阱

扩容太迟钝：阈值设得太高（CPU 90% 才扩）或持续时间太长（持续 10 分钟才扩），等扩出来流量已经崩了。要根据业务流量曲线调——突发流量场景阈值要低、持续时间要短。

缩容太激进：CPU 一降就缩，可能把刚空闲的实例缩掉，结果下一个流量波峰来又要重新扩。缩容要比扩容保守（持续时间设长些），容忍短暂低谷。

新实例就绪慢：扩出来的实例要几分钟才能接收流量（创建+初始化+健康检查），这段时间它不算在可用实例里。要预留 buffer——别等到满载才扩，提前扩。

无状态要求：弹性伸缩要求实例是无状态的（任何实例都能处理任何请求），因为请求可能被分配到新扩的实例。如果实例上有本地状态（比如内存里的会话），缩容时状态会丢。状态要外置到数据库或缓存。

⚠️ 常见坑：弹性伸缩配合负载均衡（CLB）时，新实例要注册到 CLB 才能接收流量。如果伸缩组没正确配置 CLB 关联，新扩的实例创建了但不接流量，等于白扩。配置后务必压测验证：人为触发扩容，观察新实例是否真的开始处理请求。

3.3 GPU 实例的成本控制

GPU 实例贵，成本控制是重点。几个做法：

用完就关：GPU 实例按秒计费，训练任务跑完立刻关机。别让它空转——一个 GPU 实例空转一天的电费和折旧够你心疼。

训练用抢占式：模型训练如果做了 checkpoint，可以用抢占式 GPU 实例省钱。但要容忍中断和恢复的复杂度。

推理和训练分开：训练用大 GPU 实例（按需开），推理用小一点的或量化后的模型（长期跑）。别用训练规格的实例跑推理，浪费。

考虑托管替代：如果只是调大模型 API，用厂商的模型服务（按调用量计费）比自己开 GPU 实例便宜得多。只有要跑自己的模型、或对延迟/隐私有要求时才自建 GPU 推理。

本节要点回顾

• CVM 是默认选择：通用虚拟机，绝大多数场景从它开始，按需选规格。
• 黑石裸金属给特殊场景：高性能或合规隔离需求，多数业务用不到。
• GPU 实例给算力密集任务：AI 训练推理、渲染，贵且用时才开。
• 实例类型要匹配资源画像：CPU 密集用计算型、内存密集用内存型，选对系列比加配置重要。
• 弹性伸缩自动调节数量：伸缩组+规则+模板三件套，核心是新实例要能即开即用。
• 抢占式实例省钱但可能被回收：适合容错批处理，不适合在线服务。
• 弹性伸缩配置要避免四个坑：扩容太迟钝、缩容太激进、新实例就绪慢、实例要无状态。
• GPU 成本控制：用完就关、训练用抢占式、推理用小规格、考虑托管替代。

下一节讲存储和网络——数据放哪（对象/文件/块存储）、服务怎么连通（VPC/CLB/CDN）。

计算形态的概念分层与选型补充

把本节出现的计算产品放回概念坐标系，记忆会更牢。本质上它们是同一条"虚拟化程度"轴上的不同刻度：黑石裸金属是零虚拟化（独占物理机，性能无损但交付慢、按台计费），CVM 是完全虚拟化（秒级交付、规格套餐化），容器服务在虚拟机之上再抽象一层（以工作负载而非机器为单位调度），Serverless 云函数则把"机器"这个概念彻底藏起来（只暴露函数和事件）。每往右一步，你操心的事情少一件（机器、操作系统、运行时），但形态约束多一分（镜像规范、冷启动、时长上限）。选型时先问自己要交付的最小单元是"一台机器"还是"一个函数"，答案基本就把刻度定死了。

实例规格的选法再补一个实用细节：规格族命名里的字母对应资源配比（计算型 CPU 内存一比二、内存型一比八之类），拿不准时先看应用的资源画像——CPU 利用率常年是内存利用率的三倍，说明配比选反了。另外生产环境尽量用同一规格族，混部的集群在伸缩和预留实例采购上都会吃亏。

补充一句关于容量的经验：容量规划的核心不是算平均值而是算"峰值 × 余量"，而余量来自你想要的故障冗余（N+1）和发布窗口（滚动更新时少一部分实例仍要顶住流量）。把这两个数字写进伸缩组的最大实例数里，才算是真正闭环。

图：计算形态的虚拟化程度光谱